Próbuję użyć lme
z nlme
pakietu do replikacji wyników aov
dla ANOVA z powtarzanymi pomiarami. Zrobiłem to dla eksperymentu z powtarzanymi pomiarami z jednym czynnikiem i dla eksperymentu z dwoma czynnikami z jednym czynnikiem między poddanymi i jednym czynnikiem wewnątrz poddanych, ale mam problem z zrobieniem tego dla eksperymentu z dwoma czynnikami z dwoma wewnątrz -podstawowe czynniki.
Przykład jest pokazany poniżej. A
i B
są czynnikami o stałym efekcie i są czynnikiem subject
o losowym skutku.
set.seed(1)
d <- data.frame(
Y = rnorm(48),
subject = factor(rep(1:12, 4)),
A = factor(rep(1:2, each=24)),
B = factor(rep(rep(1:2, each=12), 2)))
summary(aov(Y ~ A*B + Error(subject/(A*B)), data=d)) # Standard repeated measures ANOVA
library(nlme)
# Attempts:
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject)) # not same as above
anova(lme(Y ~ A*B, data=d, random = ~ 1 | subject/(A+B))) # gives error
Nie mogłem zobaczyć wyjaśnienia tego w książce Pinheiro i Batesa, ale mogłem to przeoczyć.
źródło
aov
Wezwanie OP jest po prostu standardowym projektem z powtarzanymi pomiarami, który analizuje się z lmer aslmer(Y~A*B+(1|subject))
. (Choć zobacz także tę odpowiedź dla bardziej skomplikowanych modeli, które pozwalają oszacować wariancję efektu i korelację między S : stats.stackexchange.com/questions/13166/rs-lmer-cheat-sheet/… )lmer
mojego powyższego kodu jest poprawna. Twójlmer
kod ma tylko jeden losowy efekt. To, co jest poprawne, zależy od kontekstu.Twoja pierwsza próba jest prawidłową odpowiedzią, jeśli to wszystko, co próbujesz zrobić. nlme () sprawdza komponenty pomiędzy i wewnątrz, nie musisz ich określać.
Problem, na który napotykasz, nie polega na tym, że nie wiesz, jak określić model, to dlatego, że ANOVA z powtarzanymi pomiarami i mieszane efekty to nie to samo. Czasami wyniki z analizy ANOVA i modelu efektów mieszanych będą do siebie pasować. Jest to szczególnie ważne w przypadku agregowania danych w sposób ANOVA i obliczania obu tych wartości. Ale ogólnie, jeśli wykonane poprawnie, chociaż wnioski mogą być podobne, wyniki prawie nigdy nie są takie same. Twoje przykładowe dane nie są jak rzeczywiste powtarzane miary, w których często masz replikacje każdej miary w S. Gdy wykonujesz ANOVA, zazwyczaj agregujesz w tych replikacjach, aby uzyskać oszacowanie efektu dla każdego pacjenta. W modelowaniu efektów mieszanych nic takiego nie robisz. Pracujesz z surowymi danymi. Kiedy to robisz, ty
[na bok, używając lmer () (z pakietu lme4) zamiast lme () podaj mi wartości SS i MS, które dokładnie pasują do ANOVA dla efektów w twoim przykładzie, po prostu, że F są różne]
źródło